楼主: 资料狂人
71195 124

[学科前沿] 【Stata培训】18年暑假特训_连玉君老师授课   [推广有奖]

lemei 发表于 2016-12-29 10:21:44 |显示全部楼层

回帖奖励 +3

get到新信息,支持一下
回复

使用道具 举报

laodong1983 在职认证  发表于 2016-12-29 10:35:13 |显示全部楼层

回帖奖励 +3

很好的课程
回复

使用道具 举报

franky_sas 发表于 2016-12-29 11:00:33 |显示全部楼层

回帖奖励 +3

支持一下!
回复

使用道具 举报

盛开的蓝莲花 发表于 2016-12-29 11:40:50 |显示全部楼层

回帖奖励 +3

不错不错,支持一下!
回复

使用道具 举报

shifeng758 发表于 2016-12-29 11:47:27 |显示全部楼层

回帖奖励 +3

啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦了
回复

使用道具 举报

我爱说德语 发表于 2016-12-29 12:21:16 |显示全部楼层
   连玉君副教授是国内知名的青年学者。研究领域为金融计量和公司金融,尤其擅长Stata数据分析和编程。他已经在China Economic Review、经济研究、管理世界、经济学季刊、金融研究、会计研究等期刊发表论文50余篇。
       连玉君副教授已经应邀在中国人民大学、武汉大学、上海财经大学等25所高校讲授过“高级计量经济学与stata应用”、“金融计量”、“实证金融”等课程和专题讲座。他制作的“Stata视频教程”涵盖数据处理、编程、面板模型、DID、PSM,以及10篇发表在Top期刊的论文的复制过程,收到了广大青年教师和博士生的好评。连老师的授课深入浅出、颇具启发。目前,连老师的Stata现场培训和网络教程的受众人数已经超过30000人次。

初级班课程导引
        在第1-2讲中,笔者会以一篇文章为实例,说明Stata的基本语法结构,并对数据处理过程中的关键问题进行介绍,如离群值的处理、文字变量的处理等。就我个人的经验而言,数据处理能力的高低直接决定实证分析的效率,而对于离群值的处理是否妥善会直接影响全文结果的稳健性,是多数人不够重视但却至关重要的问题。
       第3讲中介绍Stata编程的基础知识。但凡提及写程序,很多人都会产生恐惧心理,其实,一旦掌握了最基本的原理和语法格式,Stata中的程序设定并没有想象的那么困难。更为重要的是,对于多数人而言,由于并不需要写完整的ado文档,因此只需要学会最基本的条件语句和循环语句即可,难度又会进一步降低。
       第4讲介绍实证分析中的模型设定和结果解释问题。很多人会觉得OLS过于简单,但Top期刊中使用最多的仍然是OLS,如何合理的构建模型、解释结果便成为实证分析中必须掌握的。笔者精选了大家经常面临的几个专题并结合论文进行讲解,包括:虚拟变量的使用、交叉项的使用和解释、分组回归的合理设定和假设检验,还有在经济学和金融学中相对较新的R2贡献度分析。
       第5讲介绍几种处理内生性问题的常用方法,包括传统的IV-GMM估计,以及倍分法(Difference in Difference, DID)。掌握这些方法有助于大家合理控制内生性问题,以便得到更为可信的结论。
       第6讲通过Monte Carlo模拟介绍时间序列的基础知识,包括AR过程、MA过程,以及ARIMA过程的时序特征;白噪声和随机游走过程的时序特征,以此为基础介绍伪回归和协整分析的相关理论;GARCH模型的基本原理和时序特征。通过这些内容的学习,对于估计和分析时间序列模型有很大的帮助。
       第7讲介绍了目前广泛应用的面板数据模型。由于面板资料的获取越来越方便,目前多数研究中使用的都是面板数据。在讲解这些模型的基本思想和估计方法的过程中,笔者会将重点放在模型含义和应用范围上来。例如,对于同一笔数据而言,何时采用OLS进行估计,何时采用FE估计?不同的方法之间有何差异和关联?结果背后的经济含义如何解读?
       第8讲介绍论文写作与发表相关的一些经验。作为南方经济的责任编辑,经济研究、金融研究等期刊的匿名审稿人,以及学位论文的评阅人,我发现很多论文虽然有很好的想法,但往往因为如下原因而无法通过评审。其一,缺乏严谨规范的文献综述,使得读者难以判断文章的学术贡献;其二,实证分析部分虽然使用了比较前沿的方法,但基础工作不够扎实,如研究设计不合理、样本的筛选过程不严谨、离群值未妥善处理、结论的稳健性值得怀疑等;其三,实证结果的呈现方式不妥,论文的排版不够精致,对于专业术语的表述不严谨,结果的分析不深入等。为此,在本讲中,我将主要介绍如下两个个问题:一是如何收集、管理和研读文献;二是如何投稿、修改和发表论文。
回复

使用道具 举报

我爱说德语 发表于 2016-12-29 12:30:54 |显示全部楼层

回帖奖励 +3

10328         其三,全面介绍了目前日益得到广泛应用的随机边界模型(SFA),包括异质性SFA、面板SFA和双边SFA,是产出效率、成本效率、议价能力、投资效率估算等领域的主要分析工具。异质性随机边界模型有助于我们在估算出无效率程度的同时,可以进一步分析影响非效率程度的因素。在前期文献中,固定效应面板SFA模型的估计是一直是个难题,本课程中提供了Greene(2005) 提出的TFE-SFA(True fixed effect SFA)模型,以及Wangand Ho(2010)提出的Scaling-TFE (Scaling TrueFixedeffect SFA) 模型的Stata估计程序,能够很方便地估计包含固定效应的面板SFA模型。双边随机边界模型(Two-tier SFA)由Kumbhakar,Tsionas and Sipil inen(2009)提出,在衡量信息不对称程度、投资效率、议价能力等方面有重要应用,如卢洪友, 连玉君 and 卢盛峰(2011)使用该模型测度了中国医疗市场的信息不对称程度,Lian and Chung(2008)使用该模型测度了中国上市公司的融资效率。完成SFA估计后,如何估计无效率程度在文献中也存在争议,本课程中提供了一个便捷的命令,可以得到多种文献中常用的无效率估计量,以便作对比分析或稳健性分析。
       其四,在第7讲中,我将为大家介绍Count Data模型。这是以往stata培训班和stata视频教程中都没有涉及的内容。在很多实证研究中,被解释变量不再是连续变量,而是计数变量,如专利数、新产品数量、融资次数、CEO变更次数等,此时使用计数模型 (Count Data Model) 更为合理。在近期应用非常广泛的微观数据库中(如家庭金融调查数据库、中国劳动力动态调查数据库、家庭与营养健康调查数据库等),计数变量都普遍存在。本讲的学习为分析这类变量提供了极大的便利。
       其五,新增了结构方程模型的讲解。在stata12中,Stata公司首次推出SEM模块,并提供了近300页的说明书,而在stata13中,进一步增加了GSEM模块,功能大幅提高,说明书也增加到了500多页。Stata对于SEM的重视和快速发展由此可见一斑。类似于GMM在解决内生性问题方面的独特优势,SEM在衡量偏误、路径分析、效应分解方面独具优势,日后将在经济和金融领域获得广泛的认同和应用
回复

使用道具 举报

rossrachel 发表于 2016-12-29 13:48:43 |显示全部楼层

回帖奖励 +3

支持一下!
回复

使用道具 举报

Crsky7 发表于 2016-12-29 14:06:51 |显示全部楼层

回帖奖励 +3

Stata特训
回复

使用道具 举报

xuchengbo 发表于 2016-12-29 14:28:47 |显示全部楼层

回帖奖励 +3

先了解一下
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

GMT+8, 2018-7-16 22:21